Matriz de gráficos no R Base

O plot de Draftman, também conhecido como matriz de gráficos (tradução minha para scatterplot matrix), pode ser computado no R com a simples função pairs.

pairs(swiss)

Com esse plot conseguimos observar os gráficos de dispersão para cada par de variáveis e entener melhor os números que aparecem na matriz de correlação. Porém, este gráfico repete informação nas diagonais (“gastando tinta à toa”), deixando de lado muitas outras informações interessantes.

Por exemplo, podemos colocar histogramas de frequência nas diagonais para visualizar a distribuição dos dados em cada variável.

#função retirada do help(pairs)
panel.hist <- function(x, ...)
{
  usr <- par("usr"); on.exit(par(usr))
  par(usr = c(usr[1:2], 0, 1.5) )
  h <- hist(x, plot = FALSE)
  breaks <- h$breaks; nB <- length(breaks)
  y <- h$counts; y <- y/max(y)
  rect(breaks[-nB], 0, breaks[-1], y, col = "cyan", ...)
}

pairs(swiss, diag.panel = panel.hist)

Outra modificação pode ser colocar os coeficientes das correlações em um dos painéis triangulares, condicionando o tamanho dos números ao valor da correlação

#função retirada do help(pairs)
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...)
{
  usr <- par("usr"); on.exit(par(usr))
  par(usr = c(0, 1, 0, 1))
  r <- abs(cor(x, y))
  txt <- format(c(r, 0.123456789), digits = digits)[1]
  txt <- paste0(prefix, txt)
  if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
  text(0.5, 0.5, txt, cex = cex.cor * r)
}

pairs(swiss, diag.panel = panel.hist, upper.panel = panel.cor)

E por fim, podemos visualizar melhor a forma da associação entre as variáveis colocando uma linha de suavização nos gráficos (método LOWESS), avaliando então se a relação é realmente linear, ou pelo menos monotônica.

pairs(swiss, diag.panel = panel.hist, upper.panel = panel.cor,
      lower.panel = panel.smooth)
#panel.smooth já existe como função no R

A partir dos exemplos de funções acima, podemos criar outras que nos agrade mais e que nos ajude a entender melhor os gráficos. Por exemplo, se eu quiser colocar uma reta de regressão nos gráficos de dispersão, posso modificar a função panel.smooth.

panel.lm <- function (x, y, col = par("col"), bg = NA, pch = par("pch"), 
    cex = 1, col.line="red") {
    points(x, y, pch = pch, col = col, bg = bg, cex = cex)
    ok <- is.finite(x) & is.finite(y)
    if (any(ok)) {
       abline(lm(y[ok]~x[ok]), col = col.line)
    }
}

pairs(swiss, diag.panel = panel.hist, upper.panel = panel.cor,
      lower.panel = panel.lm)

Matriz de gráficos no pacote GGally

Este pacote é baseado no pacote ggplot2, que é uma outra maneira de se fazer gráficos no R. Além de muitas outras funcionalidades interessantes (ver documentação), o GGally também tem uma função análoga ao pairs.

library(GGally)

ggpairs(swiss)

Essa função é legal para quando também temos variáveis categóricas no conjunto de dados, por exemplo no conjunto de dados iris que tem diversas medidas de 3 espécies diferentes.

ggpairs(iris, lower = list(
    continuous = "smooth"))

Ou podemos comparar as medidas entre espécies num mesmo com os valores das correlações, histogramas e gráficos de dispersão para cada espécie.

ggpairs(iris, columns = 1:4, ggplot2::aes(colour=Species))

O bom da função ggpairs é brincar com as diferentes formas de representar as variávies nos painéis, para isso mexemos nos argumentos upper, lower e diag, para cada tipo de relação entre variáveis: continous vai descrever o que plotar entre duas variáveis contínuas; combo entre uma contínua e uma discreta e discrete entre duas variáveis discretas. Vale a pena olhar o material do pacote e testar diferentes combinações!

Matriz de gráficos em outros pacotes

Temos também variantes do pairs no pacote car (função scatterPlotMatrix) e no pacote lattice (função splom). Abaixo, só para não deixar de apresentar, eu coloco exemplos das funções sem explorar muito seus argumentos.

car::spm(~ Sepal.Length + Sepal.Width +  Petal.Length|Species, 
         data = iris,
        by.group=TRUE)

lattice::splom(iris)